基于目标感知的点云中即时选择代表点的方法
计算机视觉与模式识别
2025-08-05 v1 多媒体
摘要
点云是对象建模的关键技术，在自动驾驶车辆中发挥着至关重要的作用。然而，由自动驾驶车辆生成的海量数据给存储、带宽和处理成本带来了挑战。为此，我们提出了一种用于点云下采样的代表点选择框架，旨在保留关键对象相关信息的同时有效过滤无关背景点。该方法包含两个步骤：(1) 对象存在检测，我们引入基于密度峰值的无监督分类器和受监督的朴素贝叶斯分类器以处理多样化场景；(2) 采样预算分配，我们提出一种策略，在保持高比例对象信息保留率的同时选择与对象相关的点。在KITTI和nuScenes数据集上进行的大量实验表明，我们的方法在不同采样率下在效率和效果方面均优于当前最先进的基线方法。作为一种与模型无关的解决方案，我们的方法能够无缝集成到多样化的下游模型中，为自动驾驶应用中3D点云下采样工具链提供了可扩展且有价值的新增内容。
引用
@article{arxiv.2508.01980,
title = {On-the-Fly Object-aware Representative Point Selection in Point Cloud},
author = {Xiaoyu Zhang and Ziwei Wang and Hai Dong and Zhifeng Bao and Jiajun Liu},
journal= {arXiv preprint arXiv:2508.01980},
year = {2025}
}